基于高频数据的时变VaR建模和预测研究

提出了VaR时间序列动态预测的方法.首先以上证综合指数和深证综合指数日内分钟数据为基础,根据不同方法计算出每日VaR值,然后给出了VaR时间序列的统计特征,包括平稳性和长记忆性,最后对VaR序列建立ARMA模型和ARFIMA模型,并比较了两种模型预测效果.我们的结果表明:1)基于德尔塔正态法的VaR序列其ARMA模型预测效果好于历史模拟法和蒙特卡洛模拟法的预测效果;2)尽管VaR序列存在长记忆性,但所有VaR序列的ARMA模型预测效果好于ARFIMA模型的预测效果.     

CreditMetrics模型中转移概率和风险价值的计算

CreditMetrics模型是量化信用风险的管理模型,信用矩阵转移概率的确定是该模型的核心问题之一.该文提出一种信用矩阵转移概率的估计方法,采用随机模拟的数据进行验证, 并通过误差分析确定较为合适的样本容量.同时改进原有模型中对贷款现金流的计算方法,即一类客户在n年内信用等级的各种转移情况下的贷款现金流折算.最后采用核估计方法计算贷款风险值VaR,并与原有模型的计算结果进行比对.根据比对结果,可以证明此方法是行之有效的.     

基于蒙特卡洛模拟的VaR模型及其模拟实证对比研究

在对VaR模型基本思想介绍基础上,构建基于蒙特卡洛模拟的VaR计算模型,并结合Matlab2012a计算软件,分别计算基于随机模拟和历史模拟的金融市场VaR数值,并在同类型模拟方法下进行横向对比分析。研究结果表明:t分布模型在高置信水平条件下较标准正态分布模型具有更高的精度要求和优势,且对于金融收益率数据的表征更为合理科学;2013年我国股指期货市场结构较2012年发生较大程度变化,且系统风险有进一步扩大趋势。     

利用PGARCH-M模型估计Value-at-Risk

建立一种新的度量风险值(VaR)模型PGARCH-M (Power GARCH-M),并利用该模型,通过对工业指数和地产指数的VaR计算,得出基于GED分布的PGARCH-M模型估计VaR极端值更为精确,优于基于正态分布的PGARCH-M模型和PGARCH模型.     

基于实际波动率的VaR模型实证研究

以实际波动率预测方法替代传统的波动率预测方法,应用到VaR模型中去,并随机选择了五只股票数据进行实证研究,比较基于GARCH模型和实际波动率模型的两种VaR预测结果,得到基于实际波动率的VaR预测效果显著地优于基于GARCH模型的VaR预测效果.     

基于EGARCH和Cornish Fisher展开的VaR度量方法

针对度量收益率风险价值VaR时,GARCH模型不能体现正负收益率的非对称效应,研究了基于EGARCH模型和Cornish-Fisher展开度量VaR的一般方法。该方法结合了EGARCH模型和CornishFisher展开,将EGARCH模型的偏度和峰度代入Cornish-Fisher展开中对收益率VaR进行度量。实证分析选取标普500指数日收益率作为样本数据,度量该收益率的风险价值VaR;该收益率具有非对称性,建立了能够体现非对称性的EGARCH(1,1)模型,运用新的VaR的方法与经典的基于极值理论的VaR度量方法,和基于Bootstrap方法的VaR度量方法对收益率VaR进行了度量,在不同的置信水平下比较了3种方法 VaR度量结果失败率的大小;结果显示:新的VaR方法对收益率VaR的度量效果优于其他两种方法,对于具有非对称效应的收益率,可考虑此方法度量收益率的VaR。     

存货质押融资中螺纹钢风险价值的控制

针对钢材市场中存货质押融资业务的价格风险问题,以螺纹钢现货的价格为样本数据,采用经验值方法计算风险率与效率损失率,并与基于VaR历史模拟法的计算结果进行比较.结果表明,样本期间长度的选择对历史模拟法计算结果的优劣有一定影响,历史模拟法适合短期限的存货质押融资贷款.用回顾测试对计算结果进行检验,表明用VaR方法设定的质押率对控制螺纹钢价格风险更有效.     

基于EGARCH-VaR的半参数法及实证研究

在综合考虑了金融收益数据分布的尖峰厚尾特征及其波动集群性,尤其是其波动的“杠杆效应”对VaR估计的影响以及各种假定收益率分布在计算风险价值时存在不足的基础上,提出了基于EGARCH-VaR的半参数方法,并且与正态分布和t分布假设下的GARCH模型的VaR计量方法进行比较,通过实证分析,并利用后验测试,表明基于EGARCH-VaR的半参数方法对风险价值的测度优于正态分布和t分布假设下GARCH模型的VaR计量方法.     

基于GARCH模型的风险价值在现货黄金市场的比较研究

风险价值VaR现广泛运用于金融风险测量中,但基于正态性假设的VaR并不能很好的处理金融变量中的尖峰厚尾性且VaR未能考虑更加重要的尾部风险,CVaR 弥补了VaR方法存在的缺陷.利用基于GARCH模型的CVaR在性质上的优越性,通过现货黄金市场的实证研究,对不同分布下的VaR及CVaR值进行比较,得出新的结论.我们发现基于GED分布GARCH模型的VaR及CVaR值要好于基于正态分布及t分布的VaR及CVaR值.     

基于VaR模型的西安银行信用风险管理实证研究

用VaR模型可以更精确地计算出西安银行信用风险.计算出来的值在不同置信水平下正态分布和实际偏态分布的比较中,可以看出差异较大.这说明采用正态分布来解释西安银行各信用等级贷款的价值分布不太准确,误差较大;而根据实际偏态分布所得计算结果进行资本配置应该更准确些.也就是说,西安银行的信用风险管理在现代信用风险管理模型中用VaR定量模型来计算信用风险准确度更高.     

基于EGARCH-VaR模型的沪深股市风险分析研究

根据证券收益的基本特性,对上证指数和深证指数收益率序列分别构建基于正态分布、t分布和GED分布的EGARCH模型及EGARCH-M模型.通过计算两种模型在三种分布下的VaR值,对沪深股市风险进行分析.分析结果表明,深圳股市比上海股市有更大的风险,基于GED分布假定下的EGARCH-M模型能更好的反映收益率的风险特性.     

长记忆条件下我国房地产业的风险测量——基于GARCH和FIGARCH模型的动态VaR计算

从股票市场风险管理的角度分析房地产业指数,基于GARCH和FIGARCH模型对房地产业指数日收益率序列进行建模,在此基础上分别计算其VaR的值,并对二者进行比较。实证研究表明:房地产业指数收益率序列的波动具有长记忆性,FIGARCH模型的拟合效果优于GARCH模型;并且基于FIGARCH模型计算的VaR比基于GARCH模型计算的VaR能更有效地度量风险。     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。     

基于CARR模型与GARCH模型对VaR的比较研究

研究了在一般情形下和极端风险下的风险度量,分别采用基于极差、收益率为变量建模的CARR模型、GARCH模型应用于VaR的计算,结合深证成指的实际数据进行实证分析,分别对比在不同分布下GARCH模型和CARR模型计算出的VaR,最终得出基于在广义伽马分布下CARR模型算出的VaR值,能更加真实地反映深证股市极端情形下风险程度,而基于T分布下的GARCH模型更加真实地反映深证股市一般情形下的风险程度.     

概率准则意义下基于VaR的证券组合模型遗传算法优化仿真

提出一种概率准则意义下基于VaR的证券组合模型,采用蒙特卡罗(Monte Carlo)模拟技术和遗传算法(GA)相结合的思想,设计出求解算法.求解算法适用于证券收益率服从任意分布的情况,甚至不考虑证券收益率分布,用实际数据进行模拟和优化.实例证明,该算法有很好的收敛性及较高的计算效率,并且计算结果满足投资者的收益和风险要求.     

一种基于随机波动的VaR方法

风险管理的基础和核心是对风险的定量分析和评价,即风险测量.金融市场风险测量的主要方法包括灵敏度分析、波动性方法、VaR、压力试验和极值理论(EVT).其中,VaR是目前金融现场风险测量的主流方法.但传统VaR方法没考虑随机波动,所以经常高估或低估当前现场条件下的风险.介绍了一种基于随机波动的VaR模型,并给出了评价模型的后验检验方法.     

基于GED—EGARCH模型的深圳股市风险价值研究

金融时间序列具有分布的厚尾性、波动的集聚性等特点,传统的方法难以准确度量其风险。根据GED分布适合刻画资产收益的厚尾分布和GARCH族模型能动态描述收益率行为的优点,得到基于GED分布的GARCH、EGARCH模型的日VaR的度量方法。利用深证综指数据,计算市场风险的日VaR,并利用Kupiec提出的LR统计量检验法对两模型的风险价值计算结果进行了比较。结果表明基于GED-EGARCH模型的风险价值能更好地刻画深圳股市的市场风险。     

动态投资组合中的VaR分析

VaR是学术和商业界一个重要的风险测量方法。近年来 ,学术领域中指出了VaR的一些严重不足为一是用不同模型求解存在不一致性 ;二是VaR不能解释此风险测量本身在贸易行为中的反馈效应。通过用模拟汇率模型来研究VaR方法 ,分析外汇交易者的动态行为 ,进一步研究风险测量对交易行为的影响。     

基于随机利率的住房反向抵押贷款定价及风险

将住房反向抵押贷款保险精算模型修正为动态房价和随机利率模型下的一笔支付定价模型和等额支付定价模型,并选取上海数据作为实证分析.其中房价增长率模型采用向量自回归(VAR)模型,该模型能够综合捕捉房屋价格指数和CPI,GDP宏观经济指标的相关关系并且能够进行预测.随机利率模型采用Nowman方法下的CKLS模型.进行了保险贷款机构开展住房反向抵押贷款业务的盈利分析,计算了净收益期望现值,并用VaR(value at risk)值量化保险机构的偿付能力,以及管理流动性风险.     

VaR在商业银行控制企业贷款信用风险中的应用

VaR作为一种市场风险测量和管理的新工具,得到了国际金融界的广泛认可。介绍了VaR模型的基本思想,阐述了银行如何利用VaR控制中小企业贷款信用风险,并为中小企业的信用建设提出了建议。